1.一种运动状态的识别方法,其特征在于,包括:
通过可穿戴设备采集待识别对象的目标部位的运动数据;
提取所述运动数据中的运动特征;
将所提取的运动特征输入至基于在线神经网络和增强学习算法的识别模型中;
根据所述识别模型的输出结果识别所述待识别对象的运动类别。
2.根据权利要求1所述的方法,其特征在于,所述在线神经网络为模糊自适应共振网络Fuzzy ARTMAP,所述增强学习算法为Q-Learning。
3.根据权利要求2所述的方法,其特征在于,所述运动数据包括加速度数据,所述运动特征包括预设采样数量的加速度值的平均值Mean、均方根Root Mean square、标准差Standard deviation、偏度Skewness、峰度系数Kurtosis、波峰因数Crest factor、纬度系数Latitude factor、形状系数Shape factor和冲击因数Impulse factor中的至少两个。
4.根据权利要求3所述的方法,其特征在于,在通过可穿戴设备采集待识别对象的目标部位的运动数据之前,还包括:
通过可穿戴设备采集训练对象的所述目标部位的样本运动数据,并确定所述训练对象的样本运动类别;
提取所述样本运动数据中的样本运动特征;
根据所提取的样本运动特征和所述样本运动类别对基于Fuzzy ARTMAP和Q-Learning的训练模型进行训练,得到基于Fuzzy ARTMAP和Q-Learning的识别模型。
5.根据权利要求4所述的方法,其特征在于,根据所提取的样本运动特征和所述样本运动类别对基于Fuzzy ARTMAP和Q-Learning的训练模型进行训练,包括:
将所提取的样本运动特征输入至基于Fuzzy ARTMAP和Q-Learning的训练模型中;
确定所述训练模型的输出结果与所述样本运动类别之间的差异程度,并根据所述差异程度对所述训练模型中的Fuzzy ARTMAP节点的权值进行调节;
利用Q-Learning对权值超过预设阈值的Fuzzy ARTMAP节点的Q-Value进行调整,以对所述样本运动数据中的噪声进行抑制;
建立权值最大的Fuzzy ARTMAP节点与所述样本运动类别的对应关系。
6.根据权利要求5所述的方法,其特征在于,所述根据所述识别模型的输出结果识别所述待识别对象的运动状态类别,包括:
根据所述识别模型的输出结果确定当前权值最大的Fuzzy ARTMAP节点为目标节点;
根据所述目标节点与所述对应关系识别所述待识别对象的运动类别。
7.一种运动状态的识别装置,其特征在于,包括:
运动数据采集模块,用于通过可穿戴设备采集待识别对象的目标部位的运动数据;
运动特征提取模块,用于提取所述运动数据中的运动特征;
运动特征输入模块,用于将所提取的运动特征输入至基于在线神经网络和增强学习算法的识别模型中;
运动类别识别模块,用于根据所述识别模型的输出结果识别所述待识别对象的运动类别。
8.根据权利要求7所述的装置,其特征在于,所述在线神经网络为模糊自适应共振网络Fuzzy ARTMAP,所述增强学习算法为Q-Learning。
9.根据权利要求8所述的装置,其特征在于,所述运动数据包括加速度数据,所述运动特征包括预设采样数量的加速度值的平均值Mean、均方根Root Mean square、标准差Standard deviation、偏度Skewness、峰度系数Kurtosis、波峰因数Crest factor、纬度系数Latitude factor、形状系数Shape factor和冲击因数Impulse factor中的至少两个。
10.根据权利要求9所述的装置,其特征在于,还包括:
样本数据采集模块,用于在通过可穿戴设备采集待识别对象的目标部位的运动数据之前,通过可穿戴设备采集训练对象的所述目标部位的样本运动数据,并确定所述训练对象的样本运动类别;
样本运动特征提取模块,用于提取所述样本运动数据中的样本运动特征;
模型训练模块,用于根据所提取的样本运动特征和所述样本运动类别对基于Fuzzy ARTMAP和Q-Learning的训练模型进行训练,得到基于Fuzzy ARTMAP和Q-Learning的识别模型。